YSocial, piattaforma sviluppata dal Cnr-Isti di Pisa con le Università di Pisa e Trento e l’Université Claude Bernard di Lione, usa agenti artificiali guidati da modelli LLM per simulare la polarizzazione sui social network. Lo studio, pubblicato su Big Data & Society, descrive come i sistemi di raccomandazione possano portare a diete informative sempre più sbilanciate.
Il sistema ricrea in un ambiente controllato le interazioni fra utenti, contenuti e algoritmi tipiche dei servizi di microblogging. L’obiettivo è osservare fenomeni difficili da analizzare direttamente sulle piattaforme reali, dove dati e logiche di raccomandazione non sono sempre accessibili o trasparenti.
Come funziona il gemello digitale
La piattaforma costruisce agenti artificiali con caratteristiche psicologiche, età, opinioni e preferenze definite attraverso modelli linguistici di grandi dimensioni. Gli agenti interagiscono in uno spazio simulato che riproduce le dinamiche osservate nei social di microblogging.
Giulio Rossetti, primo autore della ricerca e ricercatore del Cnr-Isti, spiega che YSocial permette di seguire polarizzazione, viralità dei contenuti e impatto degli algoritmi di raccomandazione in condizioni controllate. Questo rende possibili sperimentazioni che sulle piattaforme reali possono essere limitate dall’accesso ai dati e da ragioni etiche.
Il progetto è stato pensato anche per ricercatori privi di competenze di programmazione: l’accesso avviene infatti attraverso un’interfaccia zero-code, senza richiedere la scrittura di codice per impostare le simulazioni.
La simulazione del dibattito politico
Nell’esperimento descritto, YSocial ha simulato un dibattito durato sessanta giorni con mille agenti, divisi in parti equivalenti fra orientamenti Democratici e Repubblicani. Gli agenti sono stati esposti a contenuti informativi reali provenienti da CNN e Fox News.
La simulazione è stata inoltre elaborata usando dati storici di Bluesky riferiti a circa l’80% della sua popolazione attiva. Il riferimento scelto dai ricercatori è quello delle imminenti elezioni di Midterm negli Stati Uniti, un contesto in cui le dinamiche di esposizione alle notizie e confronto politico diventano particolarmente rilevanti.
Che cosa sono le diete informative sbilanciate
Con dieta informativa si intende l’insieme di contenuti, fonti e canali che una persona consulta ogni giorno per informarsi e formarsi un’opinione. Nella simulazione, il tracciamento ha rilevato una progressiva separazione dei consumi informativi.
Gli agenti sono stati gradualmente indirizzati verso notizie coerenti con le convinzioni già possedute. Anche nelle interazioni dirette tra gruppi ideologicamente opposti sono rimasti distinti linguaggi, argomentazioni e hashtag: un risultato che, nel modello, mostra come gli algoritmi di raccomandazione possano consolidare le camere dell’eco.
Perché una simulazione è utile alla ricerca
YSocial non osserva né modifica il comportamento di persone reali durante l’esperimento. Offre invece un ambiente in cui cambiare le condizioni della simulazione e studiare le conseguenze sulle interazioni, senza dipendere dalle regole di accesso o dai meccanismi opachi delle piattaforme commerciali.
Questo non equivale a riprodurre ogni scelta fatta da un social reale. Il valore del modello sta nel rendere misurabili, confrontabili e sperimentabili le relazioni fra utenti, contenuti e raccomandazioni automatiche, mantenendo esplicite le condizioni in cui emergono gli effetti osservati.
FAQ
YSocial usa utenti reali?
No. La piattaforma impiega agenti artificiali con profili e preferenze definite tramite modelli LLM, inseriti in un ambiente di simulazione controllato.
Quali dati sono stati usati nell’esperimento?
I ricercatori indicano contenuti informativi reali di CNN e Fox News e dati storici di Bluesky relativi a circa l’80% della popolazione attiva della piattaforma.
Che cosa ha rilevato la simulazione?
Lo studio riporta la formazione progressiva di diete informative segregate, con preferenza per notizie allineate alle convinzioni preesistenti e differenze persistenti nel linguaggio usato dai gruppi contrapposti.
Considerazioni finali
Il punto più interessante di YSocial è la possibilità di analizzare un fenomeno discusso spesso in termini generali con condizioni dichiarate e osservabili. Un modello non sostituisce l’analisi delle piattaforme reali, ma può rendere più concreto il confronto su quali meccanismi favoriscano la separazione delle fonti informative.
L’interfaccia zero-code amplia inoltre il potenziale della piattaforma oltre gli specialisti della programmazione. La parte decisiva resta però il risultato messo in evidenza dallo studio: nelle condizioni simulate, le raccomandazioni automatiche spingono gli utenti verso consumi informativi sempre più segregati.